Fugu-MT 論文翻訳(概要): Discussion Paper: The Threat of Real Time Deepfakes

論文の概要: Discussion Paper: The Threat of Real Time Deepfakes

arxiv url: http://arxiv.org/abs/2306.02487v1
Date: Sun, 4 Jun 2023 21:40:11 GMT
ステータス: 処理完了
システム内更新日: 2023-06-06 17:36:41.807597
Title: Discussion Paper: The Threat of Real Time Deepfakes
Title（参考訳）: 議論論文:リアルタイムディープフェイクの脅威
Authors: Guy Frankovits and Yisroel Mirsky
Abstract要約: ディープフェイクは偽情報の拡散、詐欺、詐欺、無実の脅迫に使われている。本稿では,この脅威がもたらす意味を論じ,これらの攻撃を防ぐための課題を特定し,より強力な防御策を研究するためのより良い方向性を提案する。
参考スコア（独自算出の注目度）: 7.714772499501984
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Generative deep learning models are able to create realistic audio and video. This technology has been used to impersonate the faces and voices of individuals. These ``deepfakes'' are being used to spread misinformation, enable scams, perform fraud, and blackmail the innocent. The technology continues to advance and today attackers have the ability to generate deepfakes in real-time. This new capability poses a significant threat to society as attackers begin to exploit the technology in advances social engineering attacks. In this paper, we discuss the implications of this emerging threat, identify the challenges with preventing these attacks and suggest a better direction for researching stronger defences.
Abstract（参考訳）: 生成的ディープラーニングモデルは、現実的なオーディオとビデオを作成することができる。この技術は個人の顔や声を識別するために使われてきた。これらの「ディープフェイク」は誤情報の拡散、詐欺、詐欺、罪のない人を脅迫するために使われている。この技術は進歩を続けており、今日では攻撃者はリアルタイムでディープフェイクを生成できる。この新たな能力は、攻撃者が社会工学的攻撃に先立ってこの技術を活用し始めると、社会に重大な脅威をもたらす。本稿では,この新たな脅威の意義を議論し,これらの攻撃を防止する上での課題を特定し,より強固な防御を研究するためのより良い方向性を提案する。

関連論文リスト

Deepfake detection in videos with multiple faces using geometric-fakeness features [79.16635054977068]
被害者や人物のディープフェイクは、脅迫、ゆがみ、金融詐欺の詐欺師によって使用される。本研究では,映像中の顔の存在の動的度を特徴付ける幾何学的フェイクネス機能(GFF)を提案する。我々は、ビデオに同時に存在する複数の顔でビデオを分析するために、我々のアプローチを採用している。
論文参考訳（メタデータ） (2024-10-10T13:10:34Z)
Deepfake Media Forensics: State of the Art and Challenges Ahead [51.33414186878676]
AIが生成する合成メディア、別名Deepfakesは、エンターテイメントからサイバーセキュリティまで、多くの領域に影響を与えている。ディープフェイク検出は、微妙な矛盾やアーティファクトを機械学習技術で識別することに焦点を当て、研究の不可欠な領域となっている。本稿では,これらの課題に対処する主要なアルゴリズムについて,その利点,限界,今後の展望について検討する。
論文参考訳（メタデータ） (2024-08-01T08:57:47Z)
Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文参考訳（メタデータ） (2024-03-31T19:28:04Z)
Identifying and Mitigating the Security Risks of Generative AI [179.2384121957896]
本稿では,GenAIによる双対ジレンマに関するGoogleのワークショップの成果を報告する。 GenAIはまた、攻撃者が新しい攻撃を生成し、既存の攻撃のベロシティと有効性を高めるためにも使用できる。この話題について,コミュニティの短期的,長期的目標について論じる。
論文参考訳（メタデータ） (2023-08-28T18:51:09Z)
Hybrid Deepfake Detection Utilizing MLP and LSTM [0.0]
ディープフェイク(deepfake)は、最新の技術進歩にともなう発明である。本稿では,2つのディープラーニングアルゴリズムを用いた新しいディープフェイク検出方式を提案する。我々は、140k RealとFake Facesというデータセットを使用して、74.7%の精度で、ディープフェイクによって変化した画像を検出する。
論文参考訳（メタデータ） (2023-04-21T16:38:26Z)
Deep Fake Detection, Deterrence and Response: Challenges and Opportunities [3.411353611073677]
カナダの組織の78%が2020年に少なくとも1回のサイバー攻撃を経験している。専門家は、サイバー犯罪による世界的な損失が2025年までに年間10.5兆ドルに達すると予想している。ディープフェイクはフェイクニュース、偽ニュース、リベンジポルノ、金融詐欺を制作する可能性に注意を向けた。
論文参考訳（メタデータ） (2022-11-26T21:23:30Z)
DF-Captcha: A Deepfake Captcha for Preventing Fake Calls [7.714772499501984]
社会工学(社会工学、英: Social Engineering、SE)は、データ、情報、ネットワーク、さらにはお金へのアクセスを騙すことを目的とした詐欺の一種である。ディープフェイク技術は、電話で誰かの声をクローンしたり、ビデオ通話で顔を再現したりするために、リアルタイムで展開することができる。組織や個人がディープフェイクSE攻撃から守る軽量なアプリケーションを提案する。
論文参考訳（メタデータ） (2022-08-17T20:40:54Z)
Using Deep Learning to Detecting Deepfakes [0.0]
ディープフェイク(Deepfakes)とは、ある人物の顔を別のコンピュータが生成した顔に置き換えるビデオまたは画像である。このオンライン脅威に対抗するために、研究者たちはディープフェイクを検出するモデルを開発した。本研究では、ディープラーニングアルゴリズムを用いて、この略奪的な脅威に対処する様々なディープフェイク検出モデルについて検討する。
論文参考訳（メタデータ） (2022-07-27T17:05:16Z)
Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
論文参考訳（メタデータ） (2022-04-26T14:36:06Z)
Defending Against Backdoor Attacks in Natural Language Generation [90.550383621687]
バックドア攻撃と防衛の正式な定義を与えます。本研究では,機械翻訳とダイアログ生成という2つの重要なNLGタスクについて検討する。提案手法により,攻撃対象の逆方向の確率を検証した結果,全ての攻撃に対して効果的な防御性能が得られることがわかった。
論文参考訳（メタデータ） (2021-06-03T13:00:28Z)
The Emerging Threats of Deepfake Attacks and Countermeasures [0.0]
Deepfake Technology(DT)は、新しいレベルの洗練を遂げました。ディープフェイクによって世界中の企業、政治、司法システムに提示される脅威を強調する。
論文参考訳（メタデータ） (2020-12-14T22:40:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。